Solr-搜索引擎，搜索应用服务器

苏童

　　Solr 是一个可供企业使用的、基于 Lucene 的开箱即用的搜索服务器。对Lucene不熟？那么建议先看看下面两篇文档：
　　实战Lucene，第 1 部分: 初识 Lucene：http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/
　　用Lucene加速Web搜索应用程序的开发：http://www.ibm.com/developerworks/cn/web/wa-lucene2/
　　一、 solr介绍
　　solr是基于Lucene Java搜索库的企业级全文搜索引擎，目前是apache的一个项目。它的官方网址在http://lucene.apache.org/solr/
　　solr需要运行在一个servlet 容器里，例如tomcat5.5。
　　solr在lucene的上层提供了一个基于HTTP/XML的Web Services，我们的应用需要通过这个服务与solr进行交互。
　　二、 solr安装和配置
　　关于solr的安装和配置，这里也有两篇非常好的文档，作者同时也是 Lucene Java 项目的提交人和发言人：
　　使用Apache Solr实现更加灵巧的搜索：
　　http://www.ibm.com/developerworks/cn/java/j-solr1/index.html
　　http://www.ibm.com/developerworks/cn/java/j-solr2/index.html
　　下面主要说说需要注意的地方。
　　Solr的安装非常简单，下载solr的zip包后解压缩将dist目录下的war文件改名为solr.war直接复制到tomcat5.5的webapps目录即可。注意一定要设置solr的主位置。有三种方法。我采用的是在tomcat里配置java:comp/env/solr/home的一个JNDI指向solr的主目录（example目录下），建立/tomcat55/conf/Catalina/localhost/solr.xml文件。
　　
　　
　　
　　观察这个指定的solr主位置，里面存在两个文件夹：conf和data。其中conf里存放了对solr而言最为重要的两个配置文件schema.xml和solrconfig.xml。data则用于存放索引文件。
　　schema.xml主要包括types、fields和其他的一些缺省设置。
　　solrconfig.xml用来配置Solr的一些系统属性，例如与索引和查询处理有关的一些常见的配置选项，以及缓存、扩展等等。
　　上面的文档对这两个文件有比较详细的说明，非常容易上手。注意到schema.xml里有一个
　　url
　　的配置，这里将url字段作为索引文档的唯一标识符，非常重要。
　　三、 加入中文分词
　　对全文检索而言，中文分词非常的重要，这里采用了qieqie庖丁分词（非常不错：））。集成非常的容易，我下载的是2.0.4-alpha2版本，其中它支持最多切分和按最大切分。创建自己的一个中文TokenizerFactory继承自solr的BaseTokenizerFactory。
　　四、 与自己应用进行集成
　　Solr安装完毕，现在可以将自己的应用与solr集成。其实过程非常的简单，应用增加数据-->根据配置的字段构建add的xml文档-->post至solr/update。
　　应用删除数据à根据配置的索引文档唯一标识符构建delete的xml文档-->post至solr/update。
　　检索数据à构建查询xml—>get至/solr/select/-->对solr返回的xml进行处理-->页面展现。
　　具体的xml格式可以在solr网站找到。另外就是solr支持高亮显示，非常方便。
　　关于中文，solr内核支持UTF-8编码，所以在tomcat里的server.xml需要进行配置